本文主要是介绍基于chatgpt-on-wechat搭建个人知识库微信群聊机器人，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
前言
啊，最近在别人微信群里看到一个聊天机器人，感觉挺好玩的。之前GPT刚出来的时候就知道有人把聊天机器人接入到微信或者QQ中来增加互动，但是当时没想那个想法。
很久没关注这块了，发现现在可以使用大模型+知识库的方式来打造自己的专属机器人。我突然眼前一亮，我现在特别需要这个机器人。
因为现在我的群里有以下几个问题:
- 会有很多新加入的群友，需要发送一些群规和欢迎语。
- 大家有时会问很多基础的重复性的问题。
我希望的
- 自动发送群规和欢迎语这个普通的群聊机器人都具备，这个不是刚需。
- 这个是我最希望解决的，因为很多小白问的问题都是一样的，那我有时候看消息不及时，来不及回复，或者一个答案重复发好几次。所以我希望能够将一些通用的问题规整到知识库里，再由群聊机器人来帮我从知识库中提取答案去回复。
于是迫不及待问下那个老哥，他说用的是chatgpt-on-wechat这个项目部署的。
OK开整，我开始在我的一个快要荒废的阿里云服务器上部署这个项目。
部署准备
- 需要一台云服务器(或者你自己的电脑本地也可以，但是本篇只讲云服务器上部署的流程)
- 服务器上安装宝塔面板
开始部署
项目地址：GitHub - zhayujie/chatgpt-on-wechat: 基于大模型搭建的聊天机器人，同时支持 微信公众号、企业微信应用、飞书、钉钉 等接入，可选择GPT3.5/GPT-4o/GPT4.0/ Claude/文心一言/讯飞星火/通义千问/ Gemini/GLM-4/Claude/Kimi/LinkAI，能处理文本、语音和图片，访问操作系统和互联网，支持基于自有知识库进行定制企业智能客服。
这里有两种方式：
- docker部署的方式
- python部署的方式
以上两种方式我都尝试了，最开始尝试的是docker，很不幸的是我docker没部署成功，应该是docker pull的问题，一直拉不下来镜像，无论是修改镜像加速还是修改docker pull加速都没成功。
无奈，只能用python的方式去部署。
拉取源码
将项目下载下来，压缩包传到宝塔上面
我直接上传到/www/wwwroot目录下
配置config文件
然后双击解压,解压完成后进入项目根目录找到config-template.json
这是一个配置模版，用来配置机器人的各项参数。我们需要复制这个文件，并命名为config.json
编辑配置文件，默认的是openai的配置，由于使用openai需要做个代理服务器，太麻烦，成本高(需要一台国外服务器)
于是先试试用LinkAI配置下
{"channel_type": "wx","model": "moonshot-v1-8k","moonshot_api_key": "sk-XXXX","proxy": "","hot_reload": false,"single_chat_prefix": ["bot","@bot"],"group_welcome_msg": "欢迎加入本群，欢迎语！！","single_chat_reply_prefix": "[bot] ","group_chat_prefix": ["@bot"],"group_name_white_list": ["俺们俩的小群"],"image_create_prefix": ["画"],"speech_recognition": false,"group_speech_recognition": false,"voice_reply_voice": false,"conversation_max_tokens": 2500,"expires_in_seconds": 3600,"character_desc": "你是基于大语言模型的AI智能助手，旨在回答并解决人们的任何问题，并且可以使用多种语言与人交流。","subscribe_msg": "感谢您的关注！\n这里是AI智能助手，可以自由对话。\n支持语音对话。\n支持图片输入。\n支持图片输出，画字开头的消息将按要求创作图片。\n支持tool、角色扮演和文字冒险等丰富的插件。\n输入{trigger_prefix}#help 查看详细指令。","use_linkai": true,"linkai_api_key": "Link_XXXXX","linkai_app_code": "EsurXXX"
}
其实想快速上手只用配置这几个参数即可，后面再慢慢开放其他额外的功能
model对话大模型(这里我填的是moonshot-v1-8k，就是月之暗面的大模型，如果想填别的，就填对应的大模型名称，比如:gpt-3.5-turbo)
moonshot_api_key大模型对话api_key，每个大模型的apikey格式不一样，比如月之暗面的是moonshot_api_key、gpt的是open_ai_api_key
group_name_white_list配置群名白名单，就是说你的机器人要在哪个群里使用，就填写那个群的群名。
use_linkai填写true
linkai_api_key填写你在linkAI上申请的apikey
linkai_app_code填写你在linkAI上的app code
具体配置说明参考
配置说明 | LinkAI - 一站式AI智能体平台 - 极简未来
注册LinkAI账号
然后需要去LinkAI注册账号
LinkAI - 一站式AI智能体平台 - 极简未来
创建一个应用
选择知识库应用，并且创建对应的知识库。
然后上传一些资料到知识库上
问答文档的格式是csv，下载csv模版
模版内容是一问一答的形式。
我增加了一些测试数据
然后来到你创建的应用这里检查绑定知识库
知识库设置，未命中策略我修改为了固定文案，防止AI自行推理出错误的信息。
宝塔创建项目
配置完成后，回到宝塔界面新建python项目
项目路径:填写你压缩包解压后的根目录
运行文件:app.py
项目端口:8080(记得去你服务器上安全组查看下是否开放8080端口)
python版本:3.9.7(建议3.9.x都可以，3.10.x可能会有问题)
框架:python
运行方式:python
安装依赖包:解压包根目录下的requirements.txt文件
然后点击提交，等待项目创建完毕。
创建好后可能是未启动或者启动的状态，这个时候将项目修改为未启动状态。因为还有些依赖没安装完毕。
然后点击终端
输入下面命令安装可选依赖
pip3 install -r requirements-optional.txt # 可选依赖，语音、tool插件等功能需要依赖安装完毕后启动会报错缺少tiktoken模块，输入下面命令安装下
pip install tiktoken启动项目
然后输入下面命令
首次运行需要新建日志文件
touch nohup.out 运行程序并通过日志输出二维码
nohup python3 app.py & tail -f nohup.out 执行成功后可以看到二维码打印出来，拿你想要当机器人的微信号扫码登录就可以
扫码登录完成后，可以关闭终端界面，程序会在后台执行。
你会发现服务装填是未启动，这个不影响，程序已经执行了。
输出的日志在项目根目录的run.log文件内
如果你调试过程中需要关闭或者重启项目
输入查询命令
ps -ef | grep app.py | grep -v grep关掉对应PID程序
kill -9 15230比如这里程序的pid是20945，输入kill -9 20945关掉程序。
测试截图
可以看到回复我的信息是调取了知识库的。
一些问题
测试爽了，但是发现一些问题，LinkAI确实挺好用的，就是小贵！
这可不行，我又尝试了coze、FastGPT等其他几个类似的平台之后，找到了一个相对便宜点的，智谱AI.
智谱AI开放平台
因为一上来会送你3000万的tokens，美滋滋
同样的，智谱AI也是需要去申请APIkey和知识库的。
适配知识库
但是chatgpt-on-wechat项目目前不支持质谱AI的知识库
在github上找到了修改方法
新增支持 GLM-4 知识库检索功能 by xiexin12138 · Pull Request #1758 · zhayujie/chatgpt-on-wechat · GitHub
修改bot/zhipuai/zhipuai_bot.py
和config.py
修改完成后重启项目，扫码登录，成功运行。
模板参考
下面是我部署过程中尝试的一些config模板
月之暗面
{"channel_type": "wx","model": "moonshot-v1-8k","moonshot_api_key": "sk-XXXX","proxy": "","hot_reload": false,"single_chat_prefix": ["bot","@bot"],"group_welcome_msg": "欢迎加入本群，欢迎语！！","single_chat_reply_prefix": "[bot] ","group_chat_prefix": ["@bot"],"group_name_white_list": ["俺们俩的小群"],"image_create_prefix": ["画"],"speech_recognition": false,"group_speech_recognition": false,"voice_reply_voice": false,"conversation_max_tokens": 2500,"expires_in_seconds": 3600,"character_desc": "你是基于大语言模型的AI智能助手，旨在回答并解决人们的任何问题，并且可以使用多种语言与人交流。","subscribe_msg": "感谢您的关注！\n这里是AI智能助手，可以自由对话。\n支持语音对话。\n支持图片输入。\n支持图片输出，画字开头的消息将按要求创作图片。\n支持tool、角色扮演和文字冒险等丰富的插件。\n输入{trigger_prefix}#help 查看详细指令。","use_linkai": true,"linkai_api_key": "Link_XXXXX","linkai_app_code": "EsurXXX"
}
{"channel_type": "wx","model": "glm-4","zhipu_ai_api_key": "","zhipu_ai_api_base": "https://open.bigmodel.cn/api/paas/v4","zhipu_ai_knowledge_id": "","proxy": "","hot_reload": false,"single_chat_prefix": ["bot","@bot"],"group_welcome_msg": "欢迎加入本群，欢迎语！！","single_chat_reply_prefix": "[bot] ","group_chat_prefix": ["@bot"],"group_name_white_list": ["俺们俩的小群"],"image_create_prefix": ["画"],"speech_recognition": false,"group_speech_recognition": false,"voice_reply_voice": false,"conversation_max_tokens": 2500,"expires_in_seconds": 3600,"character_desc": "你是基于大语言模型的AI智能助手，旨在回答并解决人们的任何问题，并且可以使用多种语言与人交流。","subscribe_msg": "感谢您的关注！\n这里是AI智能助手，可以自由对话。\n支持语音对话。\n支持图片输入。\n支持图片输出，画字开头的消息将按要求创作图片。\n支持tool、角色扮演和文字冒险等丰富的插件。\n输入{trigger_prefix}#help 查看详细指令。","use_linkai": false,"linkai_api_key": "Link_XXXXXX","linkai_app_code": "XXXXXX"
}总结下就是,部署了这个项目后确实能给我省不少精力，后续我只需要将一些常见问题汇总，构建成知识库的形式，方便群友去查询。
关于平台，LinkAI挺方便的，可以直接选择GPT4、Kimi等主流大模型，就是有点贵。个人感觉GLM4的知识库回答没有LinkAI的那么灵活，可能是我还没调好。
官方文档参考
快速开始 | LinkAI - 一站式AI智能体平台 - 极简未来
这篇关于基于chatgpt-on-wechat搭建个人知识库微信群聊机器人的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
